مهسا حسنپورکاشانی - دانشجوی کارشناسی ارشد سازه های ابی، دانشگاه ارومیه
مجید منتصری - دکترای مهندسی و مدیریت منابع آب، دانشگاه ارومیه
محمدعلی لطف الهی یقین - دکترای عمران - سازه های دریایی، دانشگاه تبریز
امین حسنپورکاشانی - دانشجوی کارشناسی نرم افزار کامپیوتر، دانشگاه نبی اکرم تبریز

شبکه های عصبی مصنوعی (ANNs) در زمینه مدلسازی های هیدرولوژیکی بطور وسیع مورد استفاده قرار گرفته اند. با وجود این، توجه کمتری به استفاده از این ابزار جهت برآورد سیل در حوضه های فاقد امار که یکی از پیچیده ترین مسائل هیدرولوژیستها است، شده است. در این مقاله یک مدل رگرسیون جدید جهت پیش بینی سیل با دوره های بازگشت مختلف حوضه جنوب دریاچه ارومیه پیشنهاد میشود، سپس با شبکه های عصبی پیشخور و پسخور، شبکه MLP وشبکه Elman ترکیب می گردد. بدین منظور ابتدا شبکه ها عصبی با استفاده از داده های فیزیوگرافی و اقلیمی منتخب مدل رگرسیون غیر خطی در محیط نرم افزار MATLAB 7.0.4 آموزش دیده و سپس بهترین ساختار شبکه، جهت برآورد سیلابهای با دوره بازگشت مختلف حوضه های مشابه فاقد امار بر اساس ضریب همبستگی بین دبی های مشاهداتی و محاسباتی انتخاب شده است. برای نخستین بار در این تحقیق، به منظور آموزش بهتر هر دو مدل رگرسیون و شبکه های عصبی از متغیر زمان بازگشت نیز بعنوان متغیر ورودی مدل استفاده گردیده است. نتایج بدست آمده توانایی مدل تلفیقی و ANN را در پیش بینی سیل با دوره های بازگشت مختلف با کمترین داده ها و نیز تاثیر انتخاب نوع شبکه را در دقت پیش بینی ثابت نموده است.

شبکه عصبی MLP ، شبکه عصبی Elman ، نوع جدید مدل رگرسیون غیر خطی ، پیش بینی سیل ، حوضه جنوب دریاچه ارومیه